中国AI迎“DeepSeek时刻”后！算力年增长暴增43%，开源生态正引领。

自2025年1月“DeepSeek时刻”以来，中国开源社区在人工智能领域取得了显著进展，其发展脉络、技术架构与硬件支撑等方面均呈现出新特征。全球跨境领域的专业人士普遍认为，受益于组织内部协同效率的提升和全球社区的共同努力，开源模式已成为中国人工智能组织在可预见未来的主导选择。新媒网跨境了解到，从模型、论文到部署基础设施，开放共享已成为中国人工智能战略的核心，旨在实现大规模部署和深度整合。

中国有机开源人工智能生态的崛起

在回顾了自DeepSeek R1版本发布以来的战略与架构变革后，一个有机发展的中国开源人工智能生态系统正逐步成形。强大的参与者，包括部分在开源领域积累深厚的机构，新晋的玩家，以及那些彻底转变方向、积极拥抱新开放文化的组织，共同彰显了开放协作模式的互利共赢。这种协作的范围已超越国界。新媒网跨境注意到，目前在Hugging Face平台上，关注度最高的组织是DeepSeek，排名第四的则是Qwen，这充分体现了中国开源力量的全球影响力。

除了模型本身的开放共享，科学研究成果和技术方法的公开也极大地丰富了其他人工智能组织乃至整个开源社区的知识体系。根据数据显示，Hugging Face上最受欢迎的论文大部分源自中国机构，其中包括字节跳动、DeepSeek、腾讯和Qwen等。

行业巨头的战略布局与转型

阿里巴巴：生态与基础设施的先行者

阿里巴巴将开源视为其生态系统和基础设施建设的核心战略。Qwen系列模型并非以单一旗舰模型示人，而是持续发展为涵盖多尺寸、多任务、多模态的模型家族，并在Hugging Face和其自身平台ModelScope上保持高频更新。其影响力并未集中于某个特定版本，而是被反复用作不同场景中的组件，逐步承担起通用人工智能基础模型的角色。至2025年中期，Qwen已成为Hugging Face上衍生模型最多的基础模型，使用Qwen作为基础构建的模型超过11.3万个，标记Qwen的模型仓库超过20万个，远超Meta的Llama系列（2.7万个）和DeepSeek（6千个）。从整个组织层面来看，阿里巴巴的衍生模型数量几乎与谷歌和Meta两家之和持平，展现了其在开源生态中的强大号召力和技术扩散能力。

腾讯：从借鉴到自建的跨越

腾讯在开源领域也迈出了从“借用”到“自建”的关键一步。作为DeepSeek R1发布后首批将该模型整合进核心消费者产品的科技巨头之一，腾讯最初并未将开源作为其公共叙事的主线。相反，它通过插件式集成引入成熟模型，进行大规模内部验证，随后才逐步开放自身能力。自2025年5月起，腾讯加速了其在视觉、视频和3D等优势领域的开放发布，推出了自有品牌“腾讯混元”（现已更名为腾讯HY）系列模型，这些模型迅速在社区中获得应用。

字节跳动：应用工厂模式下的精选开源

字节跳动遵循其“AI应用工厂”的策略，选择性地开源高价值组件，同时将其竞争重心放在产品入口和大规模应用上。在此背景下，字节跳动的Seed团队贡献了多个值得关注的开源成果，包括用于多模态UI理解的UI-TARS-1.5、以数据为中心的代码建模工具Seed-Coder以及用于系统性推理评估的SuperGPQA数据集。尽管其开源活动相对低调，但字节跳动在中国人工智能市场已取得了显著规模，其AI应用“豆包”在2025年12月的日活跃用户（DAU）已突破1亿。

百度：封闭到开放的战略转向

即便是曾被其首席执行官公开质疑开源前景的百度，也开始转变策略。在多年优先发展闭源模型之后，百度通过提供免费访问和开放发布，如ERNIE 4.5系列，重新回到了开源生态。伴随这一转变的是其对开源框架PaddlePaddle以及自主研发的AI芯片昆仑芯的 renewed 投入，昆仑芯于2026年1月1日宣布首次公开募股（IPO）。通过在更开放的体系中连接模型、芯片和PaddlePaddle，百度得以降低成本、吸引开发者并影响行业标准，同时在算力、成本和监管的共同约束下保持战略控制力。

“DeepSeek时刻”的常态化

创业公司的新生力量

在创业公司中，月之暗面（Moonshot AI）、智谱AI（Z.ai）和MiniMax在DeepSeek R1发布后的数月内迅速调整策略，为开源社区注入了新动能。Kimi K2、GLM-4.5和MiniMax M2等模型均在AI-World的开放模型里程碑排名中占据一席之地。2025年末，智谱AI和MiniMax相继发布了其迄今为止最先进的开源模型，并紧接着宣布了各自的IPO计划。Kimi K2的开源被广泛认为是社区的“又一个DeepSeek时刻”。尽管月之暗面尚未宣布IPO，但市场报告显示，截至2025年末，该公司已获得约5亿美元的融资，并将其通用人工智能（AGI）和基于Agent的系统定位为主要的商业化目标。

应用型公司的内生变革

此前仅专注于应用层的公司，如小红书、哔哩哔哩、小米和美团，也开始训练并发布自己的模型。凭借其在真实使用场景和领域数据方面的固有优势，一旦通过开源获得低成本的强大推理能力，自建内部模型就变得切实可行。这种做法使得它们能够围绕自身特定业务调整人工智能，而非受制于外部提供商的成本结构或能力限制。

研究机构与社区的生态贡献

如果说商业界抓住了投资回报率为正的增长机遇，那么研究机构和更广泛的社区则更欣然地迎接了这一转变。北京智源人工智能研究院（BAAI）和上海人工智能实验室等机构将更多精力转向工具链、评估系统、数据平台和部署基础设施的建设，催生了FlagOpen、OpenDataLab和OpenCompass等项目。这些努力并未追逐单一模型的性能巅峰，而是着力于强化生态系统的长期基础。

奠定未来发展的基础

新生态系统的显著特征并非模型数量的增加，而是形成了一条完整的产业链条。模型可以被开源和扩展；部署可以被复用和规模化；软件和硬件可以协同与互换；治理能力可以被嵌入和审计。这标志着从孤立的技术突破向一个能够在现实世界中实际运行的系统转变。

这一生态系统的形成并非一蹴而就，它建立在自2017年以来数年积累的基础设施“顺风”之上。过去几年，中国持续投资于数据中心和计算中心，逐步形成了以“东数西算”战略为核心的全国一体化算力布局。国家规划设立了8个主要计算枢纽和10个数据中心集群，引导东部地区的计算需求流向中西部地区。公开信息显示，中国计划持续投入以增加能源容量。截至2025年，中国的总计算能力约为1590 EFLOPS，位居全球前列。来自中国国内的消息指出，专为AI训练和部署优化的智能计算能力预计将实现约43%的年增长率，远超通用计算。与此同时，数据中心的平均能源使用效率（PUE）降至约1.46，表明效率提升，为大规模人工智能应用提供了坚实的硬件基础。能源显然是发展的重点关注领域。

如果说2017年的《新一代人工智能发展规划》主要在于设定方向和奠定基础，那么2025年8月发布的“AI+”行动计划则明确将重心转向大规模部署和深度融合。这标志着与追求通用人工智能（AGI）在方向上的不同。DeepSeek R1的出现，在工程和生态系统层面提供了缺失的“推动力”，它系统性地激活了此前已建成的算力、能源和数据基础设施。

因此，在DeepSeek R1发布后的一年里，中国人工智能发展沿着两条主线加速推进。首先，人工智能更深入地嵌入到工业流程中，超越聊天机器人，向智能体（agents）和工作流（workflows）方向发展。其次，对自主可控的人工智能系统给予了更大重视，这体现在更灵活的训练路径和日益本地化的部署策略上。

回顾过去，展望未来：从DeepSeek到“AI+”

2025年中国人工智能的发展路径并非一味追求性能极限，而是围绕开源、工程效率和可扩展交付构建了一条务实的发展道路，这条道路已开始自主运行。资源约束并未限制中国人工智能的发展，在某些方面，它们重塑了其发展轨迹。

DeepSeek R1的发布充当了一个催化剂，引发了国内行业的连锁反应，加速形成了更具有机结构的生态系统。同时，这一转变也为国内的持续研发创造了一个关键窗口。随着这一生态系统的成熟，其更长期的影响——以及全球人工智能社区将如何与日益自主发展的中国人工智能生态系统互动——将成为未来讨论的重要议题。

新媒网（公号: 新媒网跨境发布），是一个专业的跨境电商、游戏、支付、贸易和广告社区平台，为百万跨境人传递最新的海外淘金精准资讯情报。

本文来源：新媒网 https://nmedialink.com/posts/china-ai-open-source-leads-43pct-growth.html